Проверка качества языковых моделей: какие тесты существуют и что они на самом деле измеряют
Виды проверок LLM: открытые наборы задач, арены, модель-судья, безопасность, регрессия продукта и онлайн-сигналы — что каждый тест проверяет и чего не видит.
Stuzhuk Lab — Блог
Химия кода
← Все статьи
Тег
Тестирование
Все статьи блога с этим тегом.
Почему дешёвое тестирование обходится дорого: экономика стоимости ошибок в разработке ПО
Фича — инвестиция, которая не заканчивается на релизе. Как считать полную стоимость разработки, тестов, поддержки и отказа, и почему тестировать нужно пропорционально цене сбоя, а не ради процента покрытия.
Контур оценки ИИ в 2026 году: золотые наборы, регрессионные барьеры и критерии релиза для продакшена
Как построить инженерный контур оценки ИИ: золотые наборы, метрики поиска и генерации, регрессионные барьеры в CI, теневой трафик, выпуск и FinOps LLM-шлюза.
Fable 5 и qa-mcp: как ИИ помог вскрыть протокол TestClient в 1С
Кейс с Habr: от Vanessa Automation к нативному TestClient через Python — где Codex застрял на неделю, Fable 5 за сутки собрал карту протокола для qa-mcp.